这篇教程OpenCV3.3+Python3.6实现图片高斯模糊写得很实用，希望能帮到您。
本文实例为大家分享了OpenCV3.3+Python3.6实现图片高斯模糊的具体代码，供大家参考，具体内容如下 高斯模糊 高斯模糊（英语：Gaussian Blur），通常用它来减少图像噪声以及降低细节层次。这种模糊技术生成的图像，其视觉效果就像是经过一个半透明屏幕在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯模糊也用于计算机视觉算法中的预先处理阶段，以增强图像在不同比例大小下的图像效果（参见尺度空间表示以及尺度空间实现）。 从数学的角度来看，图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布，所以这项技术就叫作高斯模糊。图像与圆形方框模糊做卷积将会生成更加精确的焦外成像效果。由于高斯函数的傅立叶变换是另外一个高斯函数，所以高斯模糊对于图像来说就是一个低通滤波器。 高斯模糊原理： “模糊”，就是将图像中每个像素值进行重置的过程，这个过程采用将每一个像素都设置成周边像素的平均值。 # 高斯模糊# 高斯模糊# 操作# cv2.GaussianBlur(image, (135, 135), 0) #(5, 5)表示高斯矩阵（高斯内核）的长与宽都是5（必须为奇数），标准差取0 import cv2import numpy as np def clamp(pv): #保证 RGB三色值的数值不超过255 if pv>255: return 255 if pv<0: return 0 else: return pv def gaussian_noise(image): #给图片加一些噪声，高斯噪声 h, w, c = image.shape #获取三个值，高度、宽度、深度 for row in range(h): #在宽度、 高度中遍历进行像素点RGB的赋值 for col in range(w): s=np.random.normal(0, 20, 3) #获取随机数 3个数的数组 b = image[row, col, 0] # blue 原来的蓝色值 g = image[row, col, 1] # green r = image[row, col, 2] # red image[row, col, 0] = clamp(b + s[0]) #加上处理赋值 image[row, col, 1] = clamp(g + s[1]) image[row, col, 2] = clamp(r + s[2]) cv2.imshow("Gauss_noise", image) print("--------Hello Python--------")src=cv2.imread("lena.jpg")cv2.imshow("Source Image",src)t1=cv2.getTickCount()#获取时间值gaussian_noise(src)t2=cv2.getTickCount()#获取时间值time=(t2-t1)/cv2.getTickFrequency()#计算出时间（s）print("所用时间:%s"%(time*1000)) dst = cv2.GaussianBlur(src, (2555,2555), 15)#进行高斯模糊处理cv2.imshow("Gauss_blur",dst) cv2.waitKey(0)cv2.destroyAllWindows()（1）原图： 
（2）高斯噪声图片 
（3）高斯模糊效果 
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持51zixue.net。
Python中for后接else的语法使用
使用python向MongoDB插入时间字段的操作 |
